Calculating macroalgal height and biomass using bathymetric LiDAR and a comparison with surface area derived from satellite data in Nova Scotia, Canada
Notice bibliographique
Résumé
Abstract The ability to map and monitor the macroalgal coastal resource is important to both the industry and the regulator. This study evaluates topo-bathymetric lidar (light detection and ranging) as a tool for estimating the surface area, height and biomass of Ascophyllum nodosum , an anchored and vertically suspended (floating) macroalga, and compares the surface area derived from lidar and WorldView-2 satellite imagery. Pixel-based Maximum Likelihood classification of low tide satellite data produced 2-dimensional maps of intertidal macroalgae with overall accuracy greater than 80%. Low tide and high tide topo-bathymetric lidar surveys were completed in southwestern Nova Scotia, Canada. Comparison of lidar-derived seabed elevations with ground-truth data collected using a survey grade global navigation satellite system (GNSS) indicated the low tide survey data have a positive bias of 15 cm, likely resulting from the seaweed being draped over the surface. The high tide survey data did not exhibit this bias, although the suspended canopy floating on the water surface reduced the seabed lidar point density. Validation of lidar-derived seaweed heights indicated a mean difference of 30 cm with a root mean square error of 62 cm. The modelled surface area of seaweed was 28% greater in the lidar model than the satellite model. The average lidar-derived biomass estimate was within one standard deviation of the mean biomass measured in the field. The lidar method tends to overestimate the biomass compared to field measurements that were spatially biased to the mid-intertidal level. This study demonstrates an innovative and cost-effective approach that uses a single high tide bathymetric lidar survey to map the height and biomass of dense macroalgae.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».